Microbubble Enhanced Bitumen Separation fromTailing Slurries with High Solid Contents
Notice bibliographique
Résumé
Removing bitumen from oil-sands tailings reduces greenhouse gas emission during waste disposal. However, it is technically challenging to efficiently recover bitumen residual in tailing slurries with high solid contents, due to the tiny fraction of bitumen and complicated composition in the tailings. This work focuses on microbubble-enhanced bitumen recovery in a flow of artificial tailings that consisted of 50 wt% solids, 0.2 wt% bitumen and 49.8 wt% process water. Using a laboratory\textendash scale transport pipeline loop, we show that several operation conditions had a positive impact on the efficiency of bitumen recovery, including bubble formation from intensified cavitation, the addition of gas integrated with cavitation, or increasing the temperature up to 52 C. The efficiency of bitumen recovery was even higher from the addition of CO_{2} bubbles compared to air bubbles. Under optimal conditions, more than 61 % bitumen was recovered from an extremely initial fraction of 0.2 wt% with the generation of microbubbles. This work provides guideline in finding an effective combination of operational conditions for bitumen separation from hydrotransported real tailings containing high solid content. The same approach may be also applicable for cleaning of oil contaminated slurries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».